L'addestramento delle macchine all'esecuzione di più attività
L'apprendimento delle macchine riguarda lo studio di programmi per computer che consentano ai macchinari di "apprendere" nuove attività per migliorare il loro rendimento; questo approccio all'intelligenza artificiale è ampiamente utilizzato per classificare record di dati in etichette o categorie discrete. In molte attività, tuttavia, alcune decisioni relative all'etichettatura sono tra loro collegate e richiedono l'assunzione simultanea; queste complesse attività vengono dette predizioni strutturate. L'attuale metodo con cui vengono gestite queste attività complesse implica alcune problematiche, ad esempio la propagazione degli errori; il progetto Jointstructuredpred, finanziato dall'UE, si proponeva proprio di eliminare tali limitazioni. Nell'ambito del progetto è stato proposto un metodo per la gestione di attività complesse, che implicava l'addestramento all'esecuzione congiunta di operazioni secondarie tramite tecniche di apprendimento di più attività; per confrontare questa nuova metodologia con quella attuale è stato sviluppato un programma software per entrambi i metodi per la predizione strutturata. Una valutazione di entrambi i metodi attraverso problemi tipici della biologia computazionale ha dimostrato che il sistema proposto funziona meglio di quello attuale e produce predizioni decisamente più precise; i risultati, però, si sono rivelati simili ma non decisivi quando il confronto è stato operato con applicazioni tipiche nell'elaborazione del linguaggio naturale, che consiste nell'approccio computerizzato all'elaborazione del linguaggio umano dal punto di vista semantico, mentre la biologia computazionale abbina l'informatica alla biologia molecolare. I risultati del progetto indicano che la metodologia proposta può essere utilizzata per migliorare il rendimento nella soluzione di numerosi problemi di predizione in un'ampia gamma di discipline, tra cui la biologia, la medicina, la linguistica e l'elaborazione dei segnali.
